已阅读5页,还剩46页未读, 继续免费阅读
(信号与信息处理专业论文)运用蚁群优化算法筛选情感生理信号特征.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘要 运用蚁群优化算法筛选情感生理信号特征1 信号与信息处理专业硕士研究生鲁舜 指导教师刘光远教授 摘要 情感在人类的感知、决策等过程中扮演着重要角色。近年来随着人工智能的发展,情感 智能与计算机技术结合产生了情感计算这一崭新的研究课题,这将大大地促进计算机技术的 发展。随着人们在认知领域的不断探索,在情感状态领域的研究也将进一步的发展。目前, 情感识别的信号多采用面部表情、身体姿态、语音,其结果一般会受到主观冈素的影响,而 无法完全反映出真实的情感状态。生理变化只受人的自主神经系统和内分泌系统支配,不受 人的主观控制,冈此,采用生理信号作为情感识别的研究对象,所得的数据更加客观,也能 更好的识别内在的情感和情绪变化。美国m i t 媒体实验室情感计算研究小纲的p i c a r d 教授 率先从生理信号中提取特征来进行情感状态识别方面的研究,证明了该方法是可行的。然而, 现有的生理信号情感识别的研究中还存在较多的难题,如无法得到最有效的特征组合,且识 别效果欠佳,鲁棒性较差等。因此,在生理信号的情感识别研究中,仍有许多问题需加以解 决,尤其是信号的特征选择是情感识别中的一个重要问题。 蚁群优化算法( a n tc o l o n yo p t i m i z a t i o n ,a c o ) 是通过模拟自然界蚂蚁觅食搜索路径的 行为,产生的一种新型的模拟进化算法,该算法不仅具有很好的鲁棒性,良好的正反馈特性, 并且具有并列分布计算的特点,并且蚁群优化算法在没有任何先验知识的情况下比其他优 化算法的执行效率要高,系统收敛速度要快。论文将a c o 算法应用于生理信号的特征选 择问题,主要研究内容如下: ( 1 ) 生理信号的数据采集:实验通过生理信号记录仪( m p l 5 0 ) 采集被试在高兴和悲伤 状态下的e c g 信号,并随机选取1 5 0 组特征进行分析。 ( 2 ) 生理信号的特征提取:对原始的e c g 信号进行离散小波变换,去除带外噪声和基 线漂移,提取e c g 信号的高频部分,计算统计特征;并在e c g 信号中提取具有代表性的特 征,构成原始特征矩阵。 ( 3 ) 生理信号的特征选择及分类:运用蚁群优化算法与k 近邻分类算法相结合进行特征 选择和分类,识别高兴和悲伤两种情感状态,得出分类情感状态最有效的特征组合。 ( 4 ) 对a u g s b u r g 大学情感数据库进行仿真,验证a c o 算法与k n n 分类器相结合用于 基金项目:困家自然科学基金( n a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n an o 6 0 8 7 3 14 3 ) ;西南大学国家重 点学科基础心理学科研基金( t h eu n i v e r s i t yf o u n d a t i o nf o rb a s i cp s y c h o l o g yn o n k s f 0 7 0 0 3 ) 两南_ j j * - 硕十学论文 生理信号情感识别的可行性。分析蚁群优化算法参数设置,对比其它智能优化算法的结果, 得出不同情感状态识别下的最有效特征子集。 关键词:蚁群优化算法生理信号特征选择情感识别小波变换 i i a b s t r a c t sc ge m o t i o n a lp h y s i ol o g i c a lsi gtsc r e e n i n ge m o t i o n a l s i g n a 。l l f e a t u r e su s i n ga n t c o l o n yo p t i m i z a t i o n m a jo r :s i g n a la n di n f o r m a t i o np r o c e s s i n g s u p e r v i s o r :p r o f g u a n g y u a nl i u a u t h o r :s h u nl u a b s t r a c t e m o t i o n sp l a yas i g n i f i c a n tr o l ei nh u m a np e r c e p t i o na n dd e c i s i o nm a k i n g a l o n gw i t ht h ed e v e l o p m e n to fa r t i f i c i a li n t e l l i g e n c et h e s ey e a r s ,t h ec o m b i n a t i o no f e m o t i o ni n t e l l i g e n c ea n dc o m p u t e rt e c h n o l o g yb r i n g st h en o v e lr e s e a r c ha r e an a m e d a f f e c t i v ec o m p u t i n g t h i sc o m b i n a t i o nw i l lg r e a t l ya d v a n c et h ed e v e l o p m e n to ft h e c o m p u t e rt e c h n o l o g y w i t ht h ep e o p l ec o n t i n u o u s l ye x p l o r et h ec o g n i t i v ef i e l d ,t h e r e s e a r c ho fe m o t i o n a ls t a t ef i e l dw i l lb ef u t u r ed e v e l o p m e n t a tp r e s e n t ,t h es i g n a l so f e m o t i o nr e c o g n i t i o nm o s t l yu s i n gf a c i a le x p r e s s i o n s ,b o d yp o s t u r ea n ds o u n ds i g n a l s , t h er e s u l t so ft h e s em e t h o d sa r eo f t e ni n f l u e n c e db ys u b j e c t s ,w h i c hc a n n o tc o m p l e t e l y r e f l e c tt h er e a le m o t i o n a ls t a t e t h ep h y s i o l o g i c a ls i g n a l sd i r e c t l yc o n t r o l l e db yt h e h u m a na u t o n o m o u sn e r v o u ss y s t e ma n di n c r e t i o ns y s t e m ,n o tb ys u b je c t s t h e r e f o r e , u s i n gp h y s i o l o g i c a ls i g n a l sa st h er e s e a r c ho b j e c t so fe m o t i o nr e c o g n i t i o n , t h ed a t a w i l lb em o r eo b j e c t i v e ,a l s oc o u l db e t t e rr e c o g n i z et h ei n t e m a le m o t i o na n da f f e c t i v e c h a n g e s p i c a r da n dc o l l e a g u e sa tm i t m e d i al a b o r a t o r yf i r s t l ye x t r a c t e dt h ef e a t u r e s f r o mp h y s i o l o g i c a ls i g n a l si nr e s e a r c h i n ge m o t i o nr e c o g n i t i o n ,h a dt e s t i f i e dt h a ti ti s f e a s i b l e h o w e v e r , r e c e n ts t u d i e so ne m o t i o nr e c o g n i t i o nb a s e do np h y s i o l o g i c a l s i g n a l ss t i l lh a v es o m ep r o b l e m s s u c ha s ,c a n n o tb eg e tt h ee f f e c t i v ef e a t u r e c o m b i n a t i o n ,t h er e c o g n i t i o nr a t ei sn o th i g he n o u g ht ob ew i d e l yu s e di np r a c t i c e , r o b u s t n e s si sp o o r , a n ds oo n t h e r e f o r e ,r e s e a r c ho np h y s i o l o g i c a ls i g n a l se m o t i o n r e c o g n i t i o ns t i l lh a sl a r g e rd e v e l o p i n gs p a t i a l e s p e c i a l l y , t h ef e a t u r es e l e c to fs i g n a l s i sa ni m p o r t a n tp r o b l e mi ne m o t i o nr e c o g n i t i o n a n tc o l o n yo p t i m i z a t i o n ( a c o ) a l g o r i t h mi sn e ws i m u l a t e de v o l u t i o n a r y a l g o r i t h m ,t h r o u g hs i m u l a t et h ea c t i o no fn a t u r ea n t sp a t h ss e a r c h e di nf o r a g i n g t h e a l g o r i t h mn o to n l yh a sag o o dr o b u s t n e s sa n dp o s i t i v ef e e d b a c kc h a r a c t e r i s t i c s ,b u t i i i 两南7 :学硕十学论文 i i a l s oh a st h ef e a t u r e so fj u x t a p o s i t i o nd i s t r i b u t e dc o m p u t i n g m o r e o v e r , a n tc o l o n v o p t i m i z a t i o nh a sb e t t e re x e c u t i o ne f f i c i e n c ya n dc o n v e r g e n c es p e e d 廿l a l lo t h e r o p t i m i z a t i o na l g o r i t h mo nc o n d i t i o no fn e v e rp r i o rk n o w l e d g e t h i sp a p e rt r i e st ou s e a c oa l g o r i t h mt os e l e c tf e a t u r e sf r o me m o t i o np h y s i o l o g i c a l s i g n a l s t h em a i n c o n t e n t sa n da c h i e v e m e n t sa r el i s t e da sf o l l o w s : ( 1 ) p h y s i o l o g i c a ls i g n a l sd a t aa c q u i s i t i o n :e x p e r i m e n t sc o l l e c tc o n n e r se c g s i g n a l si nj o ya n ds a d n e s sb yp h y s i o l o g i c a ls i g n a lr e c o r d e r ( m p 15 0 ) ,a n da n a l y z et h e r a n d o m15 0g r o u pf e a t u r e s ( 2 ) p h y s i o l o g i c a ls i g n a l sf e a t u r ee x t r a c t i o n :m a k eo r i g i n a le c gs i g n a l sd i s c r e t e w a v e l e tt r a n s f o r m ,w i p eo f fo u to fb a n dn o i s e sa n db a s e l i n ed r i f t 。a n do b t a i nt h e h i g h f r e q u e n c yp a r to fe c gs i g n a l s ,c o m p u t es t a t i s t i c a lf e a t u r e s ;e x t r a c tt h er e p r e s e n t a t i v e f e a t u r e so fe c g s i g n a l s ,f o r mt h eo n 百n a lf e a t u r em a t r i x ( 3 ) p h y s i o l o g i c a ls i g n a l sf e a t u r es e l e c ta n dc l a s s i f i c a t i o n :u s ea c o a l g o r i t h m a n dk - n e a r e s tn e i g h b o rc l a s s i f i c a t i o na l g o r i t h mt o s e l e c tf e a t u r e s ,r e c o g n i z ej o y 肋d s a d n e s se m o t i o n a ls t a t e ,t h e no b t a i nt h em o s te f f e c t i v ef e a t u r ec o m b i n a t i o no f c l a s s i f i e de m o t i o n a ls t a t e ( 4 ) s i m u l a t et h ee m o t i o nd a t a b a s eo fa u g s b u r gu n i v e r s i t y , f o rt e s t i n gt h e f e a s i b i l i t yo fp h y s i o l o g i c a ls i g n a l se m o t i o nr e c o g n i t i o nb yu s i n ga c o a l g o r i t h ma 1 1 d k n nc l a s s i f i c a t i o n a n a l y z et h ep a r a m e t e rs e t t i n go fa n tc o l o n y o p t i m i z a t i o n ,c o m p a r e d t h er e s u l tw i t ho t h e ri n t e l l i g e n to p t i m i z a t i o na l g o r i t h m ,t oo b t a i nt h em o s te f f e c t i v e f e a t u r es u b s e t si nd i f f e r e n te m o t i o nr e c o g n i t i o n 。 k e y w o r d s :a n tc o l o n yo p t i m i z a t i o n ,p h y s i o l o g i c a l s i g n a l s ,f e a t u r es e l e c t e m o t i o n r e c o g n i t i o n ,w a v e l e tt r a n s f o r m i v 独创性声明 本人提交的学位论文是在导师指导下进行的研究工作及取得的研 究成果。论文中引用他人已经发表或出版过的研究成果,文中已加了 标注。 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规 定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允 许论文被查阅和借阅。本人授权西南大学研究生部可以将学位论文的 全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫 描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书,本论文:口不保密, 口保密期限至年月止) 。 t , 17 学位论文作者签名:名印导师签名:彳歹乏 签字日期:护7 年,月日 签字日期:沙6 气年朔砒 绪论 1 1 引言 第一章绪论 在日常生活、工作、交流、处理事务和决策中,人们的情感能力同正常的理性思维和逻 辑推理能力一样扮演着重要的角色。情感与人的日常生活息息相关,特别是在感知、推理、 决策、计划、创造等方面,在决定一个人事业成功的因素中,情商( e q ) 即领会、运用、表 达情感的能力可能比传统的智商更为重要。人们常说的情商就是情感智能。情感智能 ( e m o t i o n a li n t e l l i g e n c e ) 作为人类智能的重要组成部分,是由美国麻省理工学院的m m i n s k y 教授于1 9 8 5 年提出来的,他在“t h es o c i e t yo fm i n d ”一书中指出:“问题不在于智能机器 是否有情感,而在于没有情感的机器能否实现智能”。在此之后,有关赋予计算机情感能力 的探讨引起了一些科学家的兴趣。1 9 9 5 年,美国m i t 媒体实验室的p i c a r d 教授在其技术报 告中最早提出了“情感计算( a f f e c t i v ec o m p u t i n g ) ”一词,即情感计算是关于情感、情感产 生以及影响情感方面的计算,并在此报告的基础上于1 9 9 7 年出版了第一部关于情感计算的 专著a f f e c f i v ec o m p u t i n g ) ) ( 情感计算) ,引起了大量研究者的关注。情感计算的目的 就是赋予计算机像人一样的观察、理解和生成各种情感特征的能力,最终使计算机像人一样 能进行自然、亲切和生动的交互,使得计算机具有更高的、更全面的智能。 情感计算( a f f e c t i v ec o m p u t i n g ,a c ) 技术通过各种传感器获取由人的情感所引起的表情 及生理变化信号,利用“情感模型”对这些信号进行识别,从而理解人的情感并做出适当的 响应。冈此,情感计算的研究重点就在于创建一个具有能感知、识别和理解人类情感的能力, 并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统。情感计算受益于测量数据、 分析情感信号的能力,依赖丁影响它的个体和环境。因此情感计算的解决方案首先是针对不 同类型个体取得个性化的测量数据,再则是在这些数据上做共性的研究来发现通用模式。通 用模式适用于全部情感,在此基础上通过一些变量区分差别细微的情感。在人与人的交流中, 识别他人所处的情感状态是人类情感智能的核心,因此,要使计算机具有情感智能,第一步 就必须使它能正确的识别人类的情感。“情感识别”,并不是说计算机能直接识别或测量情感 状态,而是通过观察表情、行为和情感产生的前提环境来推断情感状态。只有将情感识别看 作一种模式识别问题、情感表达看作模式合成问题,人与计算机进行情感交流才具有可行性。 情绪识别的方法,目前多采用面部表情、身体姿态和语音信号分析法,以及心理学上常 用的问卷调查法,其结果一般受被试和主试的主观因素影响,而生理变化只受人的自主神经 系统和内分泌系统支配,不受人的主观控制,因而应用生理信号测量法所得数据更客观。近 年在国外引起了众多情感计算研究者的兴趣,但是在国内尚处于空白状态。情绪生理反应特 异性问题一直存在着争议。e k m a n 等人通过所做的一系列实验得出结论:至少对于某些情绪 来说其生理反应是特异的;p i c a r d 教授带领的m i t 媒体实验小组率先证明从生理信号中提取 两南了:学硕十学论文 曼蔓曼皇曼曼曼蔓曼曼曼曼曼曼皇曼皇曼鼍寰曼曼曼曼曼i i ;i 皇曼皇曼曼曼曼曼曼曼皇蔓曼曼! 曼曼皇曼曼曼曼曼曼曼曼皇曼! 曼皇曼! 曼曼曼皇舅舅鼍曼曼曼曼曼曼曼曼曼薯 特征模式进行情感识别是可行的。从生理信号中抽取出来的特征模式可以用来识别情感。 计算机在人做出表情( 如悲痛或愤怒) 的时候,观察多种收集到的信号,然后分析哪种生 理信号模式和特定情感状态关系最密切。然后计算机系统应用先前分析的结果,根据收 集到的原始数据来识别出包含在信号中最有可能的情感。如何对获取的生理模式情感信 号( 如皮肤电反应、心率、血压等生理信号) 进行分析并推断出被观测者的情感状态是情 感计算研究的一个关键问题。 1 2 研究背景及意义 当代信息科学技术的飞速发展使得人类对计算机的依赖程度不断增强,人机交互能 力越来越受到研究者的重视。如何实现计算机的拟人化,使其能够感知周围环境、气氛、 对象的态度、情感等内容,适时做出响应与并与用户进行和谐的情感交流,已成为擘人 机情感交互”领域研究的一个热点问题。让计算机具有人类情感,首先就是要使计算机能 够理解人的情感状态,并改善计算机识别情感状态的能力,也就是进行情感计算。情绪识别 是情感计算的一个关键问题,是建立和谐人机环境的基础之一。 情感计算是当前新兴的课题之一,它是关丁情感方面的计算,目的是赋予计算机识 别、理解、表达和适应人情感的能力。情感识别是情感计算的一个重要组成部分,情感 识别研究的内容包括面部表情、语音、姿势、文本和生理信号识别等方面。生理信号是 伴随着的情感变化由人体内部器官产生的一种生物电信号,更能客观真实的反映出当时 的情感状态。通过分析生理信号,可以识别出内在真实情感和情绪。在情感识别中,研 究的生理信号主要针对心电图,皮肤电阻、皮肤电导、皮温,脑电图,肌电图,光电脉搏, 呼吸信号等。因为生理变化只受人的自主神经系统和内分泌系统支配,不受人的主观控制, 因而应用生理信号测量法,所得数据更客观。因此,研究基于生理信号的情感特征分析是 很有必要的。如果能准确找出最能代表某种情感的特征或某些特征的组合,我们就可以 用这些特征来有效的识别情感,进行和谐的人机情感交互,这具有很大的商业应用价值。 情感计算是未米人- t 智能发展与计算机应用中不可或缺的。随着计算机技术的高速发 展,随着越来越多的学者投入到这项研究中,已在人工智能和计算机应用中得到了广泛的应 用。如在日常生活中应用已非常成熟的司机安全行车的智能监控系统,该系统可以采用非接 触式情感信号采集装置,如图像与生理信号。图像信号用于监测司机面部表情的乏意 ( s l e e p i n gm o o d ) ,如根据每分钟眨眼次数。而生理信号用于识别司机回答问题的语言迟钝 性( s l o w r e a c t i o nm o o d ) ,如生理信号速度、音调变化、音量强度、噪音质量、发音清晰度 等。以司机的“主动式或被动式反应性( a c t i v i t yo rr e a c t i v i t y ) ”为特定考察情感状态,可以 提醒司机安全行车。情感识别的应用涉及到各行各业( 如人文艺术、商业、经济、体育、 教育、娱乐、卫生、健康、科学等) 。p i c a r d 在m i t 媒体实验室的技术报告中至少给出了 约5 0 种应用,如情感饰物( 饰物中设计有传感器,可以随时获取当事人的情感信息,根据 2 绪论 情感信息产生相应的反应) 、情商( 相对于智商,情商可能有着更重要的意义,通过情感 计算机可以研究有关人类情商的有关问题) 、情感教学( 教者可根据学者的情感变化,适 当调整自己的状态和方法,使教学质量达到最佳) 、司机的情感监测( 通过监测司机情感 的变化,可时刻提醒司机,并可根据结果自动控制) 、情感c d ( 当人高兴时,它会自动播 放快乐的曲子,并可根据自己的口味,自动选曲) 、情感玩具( 根据人们的态度玩具自动 产生相应情感的变化) 、情感地毯( 可根据脚的压力自动生成各种音乐等) 、情感眼镜、情 感鼠标、虚拟现实中的情感真实再现等。尤其是基于生理信号的情感识别还可以应用在 测谎仪、心理治疗等方面,所以具有很广阔的前景。 情感识别研究的内容包括面部表情、情感语音、姿态表情和生理模式识别等方面。 其中生理模式方面的研究是最困难的。面部表情、语音等方面的情感识别比较直观,都是 以身体和行为的方式表现出来的自愿或不自愿信号的复杂模式,而且从事这方面研究的 工作人员也比较多。但是这些方法无法观测剑潜在的情感或情绪o 生理信号需要特殊的 仪器才能测量出来,通过分析生理信号,可以识别出内在的情感或情绪,使情感识别正 确率进一步提高。而且传感器能以一种舒服的、非侵入的方式置于人体,与身体保持良 好的接触,使得研究生理信号的情感特征更贴切于实际。因此,研究基于生理信号的情 感状态识别是很有意义的。 1 3 国内外研究现状 近几年,由于人工智能领域的高速发展,情感计算的研究也越来越得到国内外研究者的 关注。在国际上,美国m i t 实验窒情感计算研究小组的p i c a r d 教授及其合作者对有关生理 信号情感识别的研究是比较全面的,他们率先证明了从生理信号中提取特征模式来进行情感 识别是可行的,并系统地分析了影响生理信号采集的各种冈素,以及几种特征提取和分类的 方法,用5 种生理信号的4 0 种特征分类8 种情感,正确识别率达到8 2 5 。而且很多研究 成果已经产品化,并与惠普公司合作进行多模型情感应用的研究。德国a u g s b u r g 大学计算科 学研究所也在生理信号的情感识别方面做了很多工作,他们使用的生理信号( e c g 、e m g 、 s c 、r s p ) 与m i t ( e m g 、b v p 、g s r 、r s p ) 的有所不同,主要针对识别率的研究。着重比 较了不同的特征选择方法和分类器相结合的识别效果。h e a l e y 用1 1 个特征识别八种情感, 用f i s h e r 进行降维处理后再运用d f a 和q d f 分类,识别率达到8 0 一9 0 。h a a g 等人用 1 3 个特征识别三种不同唤醒度的正负效价情感状态,直接使用m l p 分类,唤醒度和效价的 识别率分别达到9 6 5 8 和8 9 9 3 。n a s o z 等人运用k n n 、d f a 及m b g 分类人种情感,识 别率分别为7 1 6 、7 4 3 和8 3 7 。韩国的k i m 、b a n g 和k i m ( 2 0 0 4 ) 曾采集5 0 名被试在 自然情绪诱发下的生理信号,提取特征后,运用s v m 对3 种情绪的识别率达到了7 1 4 。 日本从上个世纪九十年代就开始了感性工学( k a n s e ie n g i n e e r i n g ) 的研究,致力于将感性与工 程相结合。1 9 9 6 年日本国内就以国家重点基金的方式开始支持“情感信息的信息学、心理 3 两南歹j 学硕十学论文 学研究”重大研究课题。于是各大公司竞相开发、研究、生产了所谓的个人机器人( p e r s o n a l r o b o t ) 产品系列,目前,日本在人工智能情感技术方面已经达到了国际领先水平。欧盟国家 也在积极地对情感信息处理技术( 表情识别、情感信息测量、可穿戴计算机等) 进行研究。欧 洲许多大学成立了情感与智能关系的研究小组,日内瓦大学a l l ss c h c r e r 领导的情感研究 实验室,布鲁塞尔自由大学的d c a n a m c r o 领导的情感机器人研究小组以及英国伯明翰大学 的a s l o m a n 领导的c o g n i t i o na n da f f e c tp r o j e c t 。a s l o m a n 教授提出了情感三层体系结构 c o g a f fa g e n ta r c h i t e c t u r e ( 认知情感体系) ,其目的是探讨情感与认识的相互作用。在应用方 面,m m 开展的“蓝眼计划”,计算机可以感知人的动作和行为,并能实时做出相应的反应 与人进行交互。此外该公司还研究了情感鼠标,可根据手部的血压及温度等传感器感知用户 的情感。c m u 主要在研究可穿戴情感交互计算机。 在国内,清华大学和中科院心理所合作以蔡莲红教授为主,主要研究以下几个方面:多 模态多通道的情感分析、情感语音识别分析、汉语普通话情感分析、人脸表情视频分析、 人脸表情图像结构分析。中国科学院计算技术研究所王兆其的研究组正在研究带有表情和动 作的虚拟人。北京科技人学王志良教授主要研究人工心理和情感模型的建立。江苏大学效仿 m i t 也在建立自己的情感数据库,从心电( e c g ) 、皮肤温度( s k t ) 、皮肤电导( s c ) 、呼吸 信号( r s p ) 中提取特征来进行情感识别方面的研究。哈尔滨j i :业人学以高文教授为主,研究 多功能情感机,主要包括表情识别,人脸识别,人脸检测与跟踪、手语识别、手语合成、表情合 成、唇读等内容,并与海尔公司合作研究服务机器人。重庆大学主要研究智能服务、增强现 实、环境感知、台智能手表等注重软件方面的研究。北京工业大学正进行多功能感知机同 情感计算的融合研究。南京航空航天大学等在研究语音情感计算。国家自然科学基金项目已 将和谐人机环境中的情感计算列为1 9 9 8 年信息技术高技术探索第六主题。2 0 0 5 年,第一届 , 中国情感计算及智能交互学术会议在北京召开,加快了情感计算在中国的研究进展。这说明, 情感计算的研究在我国已逐步得到认可并加以重视,其研究: 作也在逐步展开。 目前,国内外有关情感识别的生理指标包括肌电图( e m g ) 、血容量搏动( b v p ) 、皮肤 电反应( g s r ) 、皮肤温度( s k t ) 、心电图( e c g ) 、光电脉搏( p p g ) 、眼动( e o g ) 、瞳孔直径 ( p d ) 、心率、血压和呼吸作用等生理信号,这些信号都从某种程度上能反映出不同的情感 信息。表1 1 列出了国内外基于生理信号的情感识别的研究结果。 表卜1 生理信号情感识别研究现状 4 绪论 从生理信号中抽取出米的特征模式可以用来识别情感。e k m a n 等人1 9 8 3 年的研究结 果发现:愤怒比快乐引起更多的心率增加:恐惧比快乐引起更大的心率加快;厌恶和恐惧比 快乐引起更人的皮肤电导升高。脑电图信号( e e g ) 中张和缩的特定模式可以用来识别喜欢和 不喜欢这样的情感;皮肤电反应受性别的影响;无论悲伤情绪还是愉快情绪下,男性被试的 皮肤电都比女性被试高;皮肤温度不受性别的影响,但是受情绪的影响,无论是在悲伤情绪 还是愉快情绪下,皮肤温度都会升高,但是愉快情绪下的皮肤温度高于悲伤情绪下的皮肤温 度;心率的变化受情绪和性别交互影响;呼吸频率、呼吸幅度和血氧饱和度在实验中没有明 显变化;悲伤情绪与愉快情绪相比,仪波、p 波、0 波能量有所增强,但增强的脑区不同; 6 波则没有差异;y 波能量在中央区减弱。正性情绪下,心率变化不显著,指端脉搏容积显 著下降;负性情绪下,心率显著增加,指端脉搏容积显著下降;不同情绪下的生理反应恢复 速度没有差异,但不同生理指标的恢复速度有差异,心率的恢复速度比指端脉搏容积的快; 在上e 性情绪下,心率和指端脉搏容积的相关不显著,但在负性情绪下有显著的负相关;而且 还发现女性被试的心率反应水平比男性被试高,皮肤电反应的基础水平和反应水平比男性被 试低。g s r 受挫折的影响比较大,而且经常被用来测试物体对能诱发焦虑产生的情境的反 应。惊反射可用作测量情感愉悦度的生理指标,而皮肤电反应可用作测量情感生理唤醒程度 的生理指标。从他们的研究结果可知,通过生理信号进行情感状态识别是可行的。在用多种 生理信号进行识别时,提取的特征比较多,进行特征选择则会取得比较好的识别效果。 1 4 小结 综上所述,如今研究者在情感计算领域已经取得越来越多的成绩,但是也存在很多 亟待解决的问题。从采集生理信号而言,国际上就没有统一行之有效的标准来定义,因此 如何有效的激发情感,是利用图片还是声音有效我们无法得知,而已针对不同的人种,在选 5 两南歹:学硕十学论文 择激发情感的素材方面也没有衡量的标准,这就造成了难以保证采集到信号的有效性。而在 特征选择方面,如何通过特征筛选并找出分类情感状态最有效的生理信号特征组合也是一个 难题,当前,用于生理信号的特征选择的方法有f i s h e r 、s f f s 、a n o v a 、s f s 、s b s 等,且 识别率均达到8 0 以上。但这些方法都是一些传统的方法,计算速度较慢和收敛性较差,无 法得到统一而有效的特征模式。而由于科技水平的发展,信息获取技术的不断提高和存储能 力的提升,能够获得的数据量越来越大,维数越米越高,尽管这可以使信息更充分,但在另 一方面对分类器的设计也提出了更高的要求,因为随着维数的增加会带来“维数灾难”问题, 同时数据中的冗余和无关部分也会相应的增多。特征选择就是为了筛选出那些对于分类来说 最相关的特征,而去掉冗余的和无关的特征。特征选择在原有的特征集合中选择一个子集, 让分类器的学习在所选择的特征上进行。一个合适、有效的特征选择算法可以在数据预处理 阶段把数据中的冗余、有噪声的部分去除掉的同时,降低数据的维数,减少建立学习模型的 训练时间,提高分类器正确率。 从本质上讲,特征选择就是组合优化问题,在解空间( 原始特征维数) 较人时,使用智能 优化算法是最好的选择。智能优化算法不存在穷举法计算量过大的缺点,也不存在传统特征 选择方法的筑巢效应的缺点。蚁群优化算法( a n tc o l o n yo p t i m i z a t i o n ,a c o ) 是通过模拟自 然界蚂蚁觅食搜索路径的行为,产生的一种新型的模拟进化算法,该算法不仅具有很好的鲁 棒性,良好的正反馈特性,并且具有并列分布计算的特点,并且蚁群优化算法在没有任何 先验知识的情况下比其他优化算法的执行效率要高,系统收敛速度要快。特征选择过程 中需要对子集进行评价,评价过程就是一次分类识别的过程,k 近邻( k - n e a r e s tn e i g h b o r , k n n ) 分类算法理论上比较成熟,并且是最简单的一种机器学习算法,最初由c o v e r 和h a r t 于1 9 6 8 年提出。文章将a c o 算法和心n 分类器相结合,用于特征选择和分类,主要研究内容如下: 1 ) 生理信号的数据采集:实验通过生理信号记录仪( m p l 5 0 ) 采集被试在高兴和悲伤 状态下的e c g 信号,所有被试均来自两南人学在校大学生,并随机选取1 5 0 组特征进行 分析。 2 ) 生理信号的特征提取:利用小波变换良好的时频局部化和对信号奇异点检测能力, 对原始的e c g 信号进行离散小波变换,去除带外噪声和基线漂移,提取e c g 信号的高频 部分,计算统计特征;并在e c g 信号中提取具有代表性的特征,总共8 4 种特征,构成原始 特征矩阵。 3 ) 生理信号的特征选择及分类:运用最大最小蚂蚁系统( m a x m i na n ts y s t e m ,m m a s ) 和蚁群系统( a n tc o l o n ys y s t e m ,a c s ) 与k n n 分类器相结合进行特征选择,识别高兴和悲伤 两种情感状态,比较两种蚁群优化算法的结果,得出分类情感状态最有效的特征组合。 4 ) 对a u g s b u r g 大学情感数据库进行仿真,验证a c o 与k n n 相结合用于生理信号情感 识别的可行性。针对改善高维特征选择效果和易陷入局部最优,对基本的a c o 算法进行改 进,并分析蚁群优化算法参数设置,对比其他智能优化算法的结果,得出不同情感状态识别 6 绪论 下的最有效特征子集。 7 两南大学硕十学论文 第二章生理信号的情感识别 2 1 生理信号情感识别系统 运用生理信号识别情感状态,首先必须对生理信号的情感识别步骤有一个详细的了解, 因此,建立一个完善的生理信号情感识别系统是很有必要的。图2 1 是生理信号情感识别系 统的流程图。 2 1 1 生理信号的采集 图2 - 1 生理信号情感识别流程图 生理信号情感识别系统第一个重要步骤就是生理信号的采集,实验中生理信号的质量直 接决定了以后分析工作的结果。因此,测试有效的生理信号显得至关重要。实验中,我们选 取西南大学2 0 0 7 级本科生作为被试,年龄在2 0 岁左右,所有被试均自愿参加本实验,身体 健康,无心脏病和精神病史。在试验开始前休息十分钟,尽量使被试处于平静状态。 实验采用美国b i o p a c 公司提供的多导生理记录仪m p l 5 0 采集心电信号,如图2 2 所 示,l # 电脑用于播放电影片断激发被试的情感,2 # 电脑用于记录采集的生理信号。实验时以 非侵入的方式接触到被试者的身上。 r 萼1 。挲8肝、f : 驻“; ”e 图2 - 2 实验设备 m p l 5 0 的e c g 信号采集模块设置了3 5 h z 的低通滤波器和5 0 h z 的电源干扰滤波器,增 益设置为5 0 0 0 。信号采集设置了采样频率为2 0 0 h z 。e c g 信号采集的具体操作如图2 - 3 所 示。 国2 - 3e c g 信号测量示意图 试验素材采用高兴和悲伤两部电影片段诱发情感,与图片和声音相比,电影剪辑能够更 加可靠和真实的晚起键试盼内心情感。实验材料包括:1 分钟指导语+ 2 0 秒白场+ 录像片段 背景介绍+ 录像片段_ i 续1 分钟白场。2 0 秒白场是为了记录被试的心情背景作为基线。 在同一天内测试两种不同的情绪,并且一天之内一个被试不重复测试。具体方案如下:( 1 ) 实验前被试填写实验自愿枯:( 2 ) 被试填写情绪问卷和情绪调节问卷,主试了解被试的人 格背景;( 3 ) 主试讲解实验过程;“) 观看实验材料前,被试填写一份当时的情绪体验报告表; 0 两南大学硕十学论文 ( 5 ) 被试观看实验材料;( 6 ) 被试填写一份情绪报告表,报告他们在观看录像时的主观感受。 ( 7 ) 被试填写一份指导语执行情况表,主试了解被试是否认真观看了实验材料。实验过程中, 通过一个高清晰度的摄像头做标记,方便后期数据分析和处理。测试完成后,通过被试的问 卷调查提取数据,每次数据采集时间约为2 0 分钟。通过对表情行为的观察和被试主观评价 结果,从若干个测试数据中随机选出1 5 0 组用于分析,每组截取了2 5 s 对应目标情绪产生时 的信号作处理。 2 1 2 生理信号的预处理 生理信号预处理包括滤波、去除基线及平滑处理。由于生物电信号的电压或电流非常微 弱,如我们测试的e c g 信号幅度为1 0 u f - 5 m v ,频率为0 0 1 1 0 0 v h z ,会有外界的干扰使得 信号失真,甚至影响到信号本身,采集到的e c g 信号干扰主要有以下几个方面: 1 ) 基线漂移:表现为一种低频干扰,是由多种原因引起的。包括电极电阻的变化、心 电放大器本身的直流漂移、被试的呼吸运动、导联的连接和流经人体的寄生电流等。基线漂 移是运动条件下所特有的低频干扰,频率较低,与心电信号s t 段频率分量非常接近,较难 处理。如何有效的抑制基线漂移干扰对情感识别结果有很大影响。 2 ) :频干扰:由交流电源引入的5 0 h z 或者6 0 h z 及其各次谐波的干扰,其特征值包括幅 值和频率,在给定的检测环境中频率同定不变。工频干扰由于波形较规则,通常可以采用工 频陷波器加以消除。 3 ) 肌电信号( e m g ) 干扰:人体是一个复杂的有机体,有多种多样的生物电信号,各种 电信号互相掺杂,导致采集到的某种生理信号中包含许多其他生理信号。晟主要的干扰来自 肌电信号,由人体的肌肉颤抖引起的m v 级的干扰。e m g 基线通常在很小的电压范同之内, 所以一般不明显。肌电干扰可视为瞬时发生的高斯零均值带限高频噪声,其干扰可由方差和 持续时间来估计,部分频带与e c g 信号重叠。 4 ) 电极接触噪声:电极接触噪声是瞬时的,也可能是永久的,它是由电极接触不良或 脱落带来的不稳定干扰,导致心电图记录时有时无,表现为基线的快速阶跃变化,然后呈指 数形式下降,这种跃变可能只发生一次,也可能快速的连续发生几次 5 ) 运动伪差:运动伪迹是由于电极动作时电极皮肤阻抗变化而引起的基线跃变( 但不 是阶跃) 。通常运动伪迹的起因可以假设成物体的震动或运动。由于运动伪迹引起的基线扰 动的形状可以假设成近似的周期正弦波信号,其频谱完全覆盖e c
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年黔南民族医学高等专科学校高职单招笔试物理历年参考题库含答案解析
- 2026年鹤壁职业技术学院高职单招笔试数学历年参考题库含答案解析
- 砖瓦生产工岗前绩效目标考核试卷含答案
- 2026年陕西能源职业技术学院高职单招笔试化学历年参考题库含答案解析
- 2026年长沙职业技术学院高职单招笔试化学历年参考题库含答案解析
- 2026年铁岭卫生职业学院高职单招笔试语文历年参考题库含答案解析
- 全麻术后舒适化护理
- 肾囊肿护理查房模板
- 小儿脑性瘫痪护理业务查房
- 病情观察及危重病人抢救和护理
- 新能源汽车三电系统培训教程
- 职业卫生模拟试题含答案
- DB3203-T 1063-2024 人事考试命题工作实施规范
- 室外健身器材投标方案(技术标)
- DL∕T 1250-2013 气体绝缘金属封闭开关设备带电超声局部放电检测应用导则
- 2024工地施工安全协议书
- 消化内科入科培训
- 《高血压危象》课件
- 绿化临时占绿方案
- 石油化工自动化仪表选型设计规范
- 《土木工程制图》-02-投影基础课件
评论
0/150
提交评论